【儀表網(wǎng) 研發(fā)快訊】近年來，隨著智慧城市、智能安防、交通管理和自動駕駛等領域快速發(fā)展，復雜場景下的行人感知與定位成為智能視覺系統(tǒng)的重要基礎技術。多視角行人檢測通過融合不同空間位置攝像機獲取的互補信息，可有效緩解單一視角下視野受限和目標遮擋等問題，為復雜環(huán)境中的行人精準定位提供更加完整的空間信息。然而，在高密度人群場景中，嚴重遮擋容易造成有效視覺信息缺失，不同攝像機之間的透視差異還會引起跨視角特征錯位。特別是將不同視角的圖像特征投影至統(tǒng)一鳥瞰視角空間后，透視投影產(chǎn)生的視差可能進一步造成行人特征的空間偏移與混疊，影響多視角信息融合效果和行人定位精度。
 

　　近期，半導體所人工智能與高速電路實驗室寧欣研究員團隊針對復雜遮擋環(huán)境下多視角行人檢測中的遮擋信息缺失和跨視角特征錯位問題，提出了一種融合密度引導遮擋增強與自適應多視角特征融合的魯棒多視角行人檢測框架(DOA-AMF)。
 

　　針對高密度場景中遮擋樣本不足及遮擋模式復雜的問題，研究團隊提出基于人群密度感知和多視角幾何一致性的三維遮擋增強策略。該策略依據(jù)場景中的人群密度分布和多攝像機幾何關系生成符合真實空間分布規(guī)律的虛擬遮擋樣本，在保持跨視角幾何一致性的同時豐富遮擋場景，有效提升模型對復雜遮擋環(huán)境的適應能力。針對透視投影引起的跨視角特征空間偏移問題，團隊進一步設計了基于可變形卷積的自適應多視角特征融合模塊，通過動態(tài)調(diào)整特征采樣位置，對不同視角投影后的特征偏移進行自適應校正，從而提高跨視角特征對齊和融合的準確性。
 

　　實驗結果表明，該方法在真實場景數(shù)據(jù)集Wildtrack和合成數(shù)據(jù)集MultiviewX上均取得優(yōu)異性能，多目標檢測準確率(MODA)分別達到94.4%和95.2%，表現(xiàn)出良好的檢測精度和復雜遮擋場景適應能力。相關研究將物理空間約束與數(shù)據(jù)驅動的自適應特征學習相結合，為高密度遮擋環(huán)境下的多視角行人檢測提供了新的解決思路，也為復雜場景中的多源視覺信息融合研究提供了技術參考。
 

　　相關研究成果以“Robust Multi-View Pedestrian Detection via Density-Guided Occlusion Augmentation and Adaptive Feature Fusion”為題，發(fā)表于國際學術期刊《信息融合》(Information Fusion)。半導體所盧寶莉助理研究員為論文第一作者，寧欣研究員為通訊作者，李丹、趙凱等參與了該項研究。該研究得到北京市自然科學基金(L233036)和中國科學院基礎研究領域青年團隊計劃項目(YSBR-0122)資助。
 

　　引用：半導體所在多視角行人檢測研究方面取得進展-中國科學院半導體研究所【引用時間：2026年9月22日】